线性代数

在线性代数的使用中，并不仅仅只有规律的方形矩阵，同样也有 代表高低维转化 的长方矩阵。

如一个三行两列的矩阵就可以理解为 二维空间中的基向量升入三维，也可以看作是两个三维向量。

同样，我们可以理解 降维矩阵，

如一个两行三列的矩阵表示 三维空间中的基向量降入二维，即三个二维向量。

值得一提的是，降维矩阵 也是 点积证明 的一个重要工具。

但是，由于 线性变化 需要 保持网络线平行且等距分布，

如果降维的话，并不能很好地确定 原空间的点在当前空间中的位置，

所以我们用 二维空间向一维空间转化 的操作来举例：

对于任意一行过原点的线，其上点 等距分布，则缩点后亦 等距分布。

这并不是很好构造，不过我们只需要确定 基向量 的位置，且主观认为 变化是线性的。